导语

  

内容提要

  

    本书是面向零基础读者的统计学入门书，对同一个知识点分别使用文字、公式和Python示例代码加以讲解，循序渐进地介绍了统计学和Python的基础知识、使用Python进行统计分析的方法、正态线性模型和广义线性模型等统计模型，以及机器学习等。通过阅读本书，读者不仅可以通过书中例子深刻理解统计学术语、统计分析方法和预测方法等，还可以学到十分前沿的机器学习知识，以及如何使用Python实现数据可视化和建模等。
    本书结构清晰、直观易懂，适合统计学和Python初学者以及对数据科学和机器学习感兴趣的读者使用，也可作为高等院校计算机、统计等专业学生的入门书。

第1章  统计学基础
  1-1  统计学
    1-1-1  统计学的目标①：描述现有数据
    1-1-2  统计学的目标②：估计未知数据
    1-1-3  术语  样本与总体
    1-1-4  1-2  节及之后的内容
  1-2  获取样本的过程
    1-2-1  术语  随机变量
    1-2-2  湖中钓鱼的例子
    1-2-3  从总体中获取样本的过程
    1-2-4  术语  样本值
    1-2-5  术语  抽样
    1-2-6  术语  简单随机抽样
    1-2-7  术语  样本容量
    1-2-8  术语  普查与抽样调查
  1-3  抽样过程的抽象描述
    1-3-1  符号  概率
    1-3-2  术语  概率分布
    1-3-3  术语  服从概率分布
    1-3-4  术语  总体分布
    1-3-5  作为抽样过程的总体分布
    1-3-6  无限总体的含义与总体分布
    1-3-7  总结：抽样过程
    1-3-8  补充  瓮模型
  1-4  描述统计基础
    1-4-1  术语  定量变量
    1-4-2  术语  离散变量与连续变量
    1-4-3  术语  分类变量
    1-4-4  术语  组、组中值
    1-4-5  术语  频数、频数分布、频率
    1-4-6  术语  累积频数、累积频率
    1-4-7  术语  直方图
    1-4-8  术语  统计量
    1-4-9  术语  均值
    1-4-10  术语  期望值
    1-4-11  术语  方差
    1-4-12  补充  均值、方差与数据范围
  1-5  总体分布的推断
    1-5-1  总体分布与总体的频率分布
    1-5-2  更现实一些的湖中钓鱼
    1-5-3  做假设
  1-6  概率质量函数与概率密度函数
    1-6-1  术语  概率质量函数
    1-6-2  术语  概率密度
    1-6-3  补充  积分与加法的关系
    1-6-4  术语  概率密度函数
    1-6-5  术语  正态分布
    1-6-6  术语  参数（概率分布的参数）
    1-6-7  补充  各种各样的概率分布
    1-6-8  推断总体分布=确定分布+估计参数
    1-6-9  把样本的统计量看作参数的估计值
    1-6-10  补充  估计误差
    1-6-11  总结：统计学基础
  1-7  统计量的计算
    1-7-1  为什么要使用数学式
    1-7-2  符号  样本
    1-7-3  符号  均值
    1-7-4  符号  期望值
    1-7-5  术语  总体均值与样本均值
    1-7-6  符号  样本方差
    1-7-7  术语  无偏方差
    1-7-8  为什么样本方差会偏离
    1-7-9  术语  标准差
  1-8  概率论基础
    1-8-1  术语  集合
    1-8-2  术语  元素
    1-8-3  集合的两种表示方法
    1-8-4  术语  子集
    1-8-5  术语  维恩图
    1-8-6  术语  交集与并集
    1-8-7  术语  差集
    1-8-8  术语  空集
  ……
第2章  Python与 Jupyter Notebook基础
第3章  使用Python进行数据分析
第4章  统计模型基础
第5章  正态线性模型
第6章  广义线性模型
第7章  统计学与机器学习
参考文献